统计学习简介第 24 页指出：

...线性回归是一种相对不灵活的方法，因为它只能生成线性函数，例如图 2.1 所示的线或图 2.3 所示的平面。

稍后，线性回归被更正式地定义为假设$f$呈现形式

$$f(X) = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \ldots + \beta_p X_p$$

和“解决”$\beta_i$使用“普通最小二乘法”等技术（这里我使用的是书中的符号）。

问题：如果这真的是线性回归的定义方式，为什么我们说“线性回归[可以]......只能生成[直线和平面]之类的线性函数”？

例如，如果我们的模型$\hat{Y}$如下：

$$\hat{Y} = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \ldots + \beta_p X_p$$

然后任何（或全部）$X_j$本身可能是高度非线性或其他病理功能，呈现出许多看起来不像线或平面的奇怪形状。在这种情况下，这些病态随机变量的线性组合最终可能看起来不像一条线或平面。这不是表明上面的引用是错误的吗？